Mozilla发布开源AI现状报告

背景

Mozilla 于 2026 年 7 月发布了一份题为《The State of Open Source AI》的报告，由 CTO Raffi Krikorian 以公开信的形式呈现。该报告旨在评估开源 AI 的当前状态——从模型能力、商业生态、开发者采用到全球主权选择——并重申 Mozilla 对开放生态的长期信念。Mozilla 本身源于 1998 年对抗 IE 垄断的开放社区运动，如今面对新一轮“某家公司试图控制互联网入口”的局面，他们选择再次押注开放。

核心内容

开源 AI 的能力差距已基本弥合，推理成本暴跌

报告指出，开源（开放权重）模型与顶级闭源模型之间的能力差距已大幅缩小。在 Chatbot Arena 上，这个差距从 24 个月前的 8.04% 降至 2024 年 8 月的 0.5%，2025 年 2 月 DeepSeek-R1 甚至短暂追平了美国顶级模型。到 2026 年 3 月，差距重新扩大至 3.3%，原因是闭源推理模型（如 Anthropic 的 Claude Fable 5）再次领先。但这一差距是“锯齿状前沿”的平均值：开源在编码、指令遵循和通用知识上已接近或达到持平，差距主要集中在推理、长上下文检索和智能体任务上。

与此同时，推理成本在 36 个月内下降了 50 倍：GPT-4 级别的模型每百万 token 价格从 20 美元降至 0.40 美元，比互联网时代的带宽或 PC 算力价格下降曲线更快。

生产 tokens 多数已路由至开源模型

在 OpenRouter 平台上，开源模型路由的 tokens 份额从几乎为零增长到 2025 年末的三分之一，到 2026 年中已超过半数。按最近一个月数据，流量最高的五个模型全部是开源模型。Anthropic 的闭源 Claude 系列是下一个来自美国的参赛者。

开发者采用：开源领先，但生产部署存在运营鸿沟

Mozilla 与 SlashData 合作的 2026 年开发者调查显示：79% 添加 AI 功能的开发者使用开源模型，而闭源模型为 71%，两者高度互补——50% 的开发者同时使用两种。然而，生产部署率上存在差距：只有 51% 使用开源模型的团队能进入生产，闭源模型则为 63%。差距不在模型能力，而在运营工具和信任度。

按区域看，大中华区和东亚的开源采用率最高（89%），南美和西欧是仅有的两个闭源采用率超过开源区域的地区。按公司规模看，闭源模型的生产率随规模增长（54% → 73%），而开源几乎不变（53% → 57%），说明差距并非资源问题。

开发者流失的原因中，最大的挑战是性能、集成和维护——全部是运营层面的，而非模型能力本身。按区域看，基础设施成本、安全与合规、维护、部署复杂性在所有地区都是主要障碍；南亚在安全和支持上问题最突出，只有北美和大中华区有超过 15% 的开发者报告无重大挑战。

开源 AI 栈的运营成熟度仍低

报告将开源 AI 栈分为 9 层、48 个组件，按 10 项标准（1–5 分）评分。整体看，模型层、推理层、框架层得分较高（≥4.0），但运营层——包括部署、监控、安全、合规——评分普遍在 3.0 以下，处于“早期”或“脆弱但碎片化”状态。标准化和企业级就绪度是主要短板。

商业市场：多家公司实现规模化收入

开源 AI 已成为一个千亿美元级别的商业市场：

• Databricks 年化收入超过 54 亿美元。
• Mistral 在 12 个月内从约 2000 万美元 ARR 增长 20 倍至约 4 亿美元。
• DeepSeek 达到约 2.2 亿美元 ARR，近期以 500 亿美元估值融资 74 亿美元。 被验证的商业模式包括：托管推理、企业平台、本地部署许可、微调服务和智能体工具。

闭源按量计费模式在规模化下失效

在 OpenRouter 上（2025 年 5–9 月），闭源模型占据了约 80% 的使用量和约 96% 的收入。原因在于价格：在能力接近持平的情况下，闭源每次调用成本约为开源的 6 倍。Linux 基金会的研究估计，由此产生的未实现年节省额约 248 亿美元。

全球主权选择：开源成为国家战略

目前已有超过 70 个国家的 AI 国家战略。问题已从“是否要制定国家 AI 政策”转变为“国家能拥有哪一层栈”。报告用一个 2026 年 6 月的真实事件作为例证：Anthropic 的 Claude Fable 5 上线三天后，某个政府的出口命令迫使 Anthropic 切断所有外国国民的访问权限。没有与其他国家协商，模型在周五下午 5:21 对所有用户关闭。任何依赖该模型构建服务的团队都突然面临瘫痪。

关键要点

• 能力差距不再是大问题：开源模型在编码、通用知识上已与闭源持平，差距集中在推理、长上下文和智能体任务（约 3.3% 的差距，但视任务类型而定）。
• 推理成本崩溃：36 个月内下降 50 倍，GPT-4 级成本从每百万 token 20 美元降至 0.40 美元。
• 生产流量已转向开源：OpenRouter 上多数 tokens 由开源模型处理，前五名全部是开源。
• 开发者采用率高但生产落地难：79% 的开发者使用开源模型，但只有 51% 能进入生产——运营工具和信任度是瓶颈。
• 运营层是开源 AI 的薄弱环节：整个栈中，模型、推理、框架层强，但部署、监控、安全、合规等运营层评分低。
• 商业市场已形成规模：多家公司年收入达数亿至数十亿美元，商业模式成熟。
• 闭源按量计费模式在规模化下成本过高：闭源模型成本是开源的约 6 倍，导致 80% 的使用量却贡献 96% 的收入。
• 主权选择推动开源采用：70+ 国家制定 AI 战略，开源提供了不依赖单一供应商的选项，2026 年 Anthropic 的“周五关闭”事件证明了依赖闭源的风险。

意义与影响

Mozilla 这份报告的核心意义在于，它用数据证明开源 AI 已经不再是“次优选择”，而是实际生产中的主流。能力差距缩小、成本大幅下降、商业生态成熟，这三个因素叠加使得开源模型在大多数工作负载中都足够好，甚至更好。报告特别强调了“运营鸿沟”——这是当前开源 AI 普及的最大障碍，也是创业公司和工程团队可以重点突破的方向。

从全球治理角度看，Anthropic 事件揭示了闭源模型的地缘政治脆弱性：一个国家的出口管制就能让全球用户瞬间失去服务。这强化了各国对 AI 主权和数字自主的追求，而开源模型天然支持本地部署、数据主权和